面向图像识别的稀疏模型研究.pdf

《面向图像识别的稀疏模型研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、錶：誦限：■＇■题目；面向图像识别的稀疏模型研究学＃；２０１２０１００３１’姓名：柳杨祈：／专业；信号与信息处理＇■ｉ－．．，；，＇：李挙明：导师‘．；信息与通信工程学院．．学院．卢：．－？－ｆ＇■：．－Ｖ二却讀巧．Ａ骑吟车．恥２０１．Ｌ專：縫滅巧日：沾：述二狂运之彻；遲：的乂乂＼，：誦瞩密级：保翻限：Ａ《种《大聲博±学位论文题目：面向图像巧别的稀疏＾研究学号；２０１２０１００３１獲

2、名二柳杨专业二信号与信息处理导师：李学巧学院：信息与通信工程学院二０—五年兰月二十五日独创性（或创新性）声明本人声明所呈交的论文是本人在导师指导下进行的研巧工作及取得的研究成果。尽我所知，除了文中特别加标注和致谢中所罗列的内容Ｗ外，论文中不包含其他人己经发表或撰写过的研巧成果，也不包含为获得北京邮电大学或其他教育机构的一学位或证书而使用过的材料。与我同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。一申请学位论文与资料若有不实之处。，本人

3、承担切相关责任０本人签名；旅日期：冰．么（斬精Ｉ关于论文使用授权的说明学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定：研，即究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保留并家有关部口或机构送交论文的复印件和磁盘，允许学位论文被查阅和借阅；学校可Ｗ公布学位论文的全部或部分内容，可＾允许采用影印、缩印或其它复制手段！保存、。（保密的学位论文在解密后遵守此规定汇编学位论文）。本学位论文不属于保密范围，适用本授权书挪未Ｉ）日期：Ｈ。Ｕ：‘本人签名！

4、导师签名：夺吉训日期：ｆｊｊ摘要面向图像识别的稀疏模型研究摘要随着移动互联网和数字多媒体等技术的不断发展图像为载体的交流方式越来越多，因此图像识别技术显得愈发重要。稀疏模型作为神经生理学、计算机科学和人工智能的交叉研究领域，近年来在图像识别领域内发展迅速，已成为图像处理和计算机视觉等领域内的研巧热点和难点。首本文对稀疏模型中的字典学习问题、稀疏编码问题和稀疏表一一示的降维问题进行了深入研究，并提出系列算法；然后，将这系列算法代入基于稀疏模型的图像识别系统中，并通过实验验证

5、了它们的有效性。本文的主要工作和创新点如下：１．基于图像识别中稀疏模型的结构化特点和字典的判别性假设，本文提出了一种块稀疏判别字典学习算法。首也该算法到思玻穗疏＾持点确定稀疏表示中非零项的位置，简化了系数求解的步骤；其次，引入不同类别子字典的相关性约束，增加类间距离并増强字典的判别性；再次，本文提出在测试阶段用结构化稀疏编码算法代替传统稀疏编码算法，；最后本文给出该算法基于梯度下降的优化策略。在人脸数据集上的实验结果表明块稀疏判别字典学习算法和结构化稀疏编码算法能提高图像识别系统

6、的性能。２．利用同类信号间的强相关性，本文提出了块约束低秩字典学习算法和低秩局部稀疏编码算法。首先，块约束低秩字典学习算法利用块稀疏的恃点限制稀疏表示中非零项的位置，并引入低秩约束对样本间的相关性建模；其次，低秩局部稀疏编码算法将训练样本集加入测试样本的系数求解过程中，避免当测试样本过少时出现无法求解Ｉ北京邮电大学工学博±学位论文系数的问题后，；最本文还提出了块约束低秩字典学习算法和低秩局部稀疏编码算法的优化流程。通过人脸识别实验和物体识别实验证明块约束低秩字典学习算法和低秩局

7、部稀疏编码算法能有效地提高算法的识别准确率。３一．根据图像识别中稀疏表示的块结构化特点，本文提出了种基于图。的块稀疏降维算法首先，提出块稀疏表示距离计算公式，该距离对稀疏表示中同类分量和不同类分量采用不同的度量方式，减少了稀疏表示中由于同类分量的非零项位置没有对齐带来的误差，同时增强了算法的判别性；其次，基于图的块稀疏降维算法使用块稀疏表一示距离构建样本间的邻接矩阵，并保留样本在定邻域内互相之间的距离关系为准则进行非线性降维；最后，本文还给出了基于图的块稀疏降维算法的计算步骤。在人工

8、模拟数据集和人脸数据集上的实验结果证明基于图的块稀疏降维算法能有效降低识别错误率。＂＂４一．针对非线性降维算法的新样本扩展问题，本文提出了种基于图的块稀疏线性降维算法，并将其与块约束低秩字典学习算法和低秩局部稀疏编巧算法相结合，提出基于判别性块稀疏与低秩的图像识别算法。首先，将基于图的块稀疏降维算法线性化，提出